基于延遲特性的NOx濃度軟測量與噴氨優(yōu)化

林偉俊, 李 敏, 趙 暢, 崔慶偉, 梁銀河, 竹小鋒,吳可澤, 楊建國

(1.浙江大學 能源清潔利用國家重點實驗室,杭州 310027;2.浙江浙能蘭溪發(fā)電有限責任公司,浙江金華 321100)

國內(nèi)大多數(shù)電站鍋爐采用選擇性催化還原(SCR)脫硝系統(tǒng)來控制NOx排放[1]。電廠通常采用“PID+前饋+反饋”的控制方式[2],而SCR入口NOx濃度值作為前饋信號,不但影響NOx排放濃度的定值控制,還與脫硝效率高低和系統(tǒng)能耗大小等緊密相關(guān),因此實現(xiàn)NOx生成濃度的及時準確測量至關(guān)重要。目前,SCR入口NOx濃度的測量一般采用煙氣排放連續(xù)監(jiān)測系統(tǒng)(CEMS),為了保證精密儀器的穩(wěn)定工作,需設(shè)置較長的采樣系統(tǒng)管線,導(dǎo)致NOx的測量值存在一定的延遲時間[3-4]。翁衛(wèi)國等[5]曾采用理論計算方法得到CEMS的測量延遲時間為60 s。在實際生產(chǎn)中,NOx生成濃度隨鍋爐工況的改變而變化,若測量的延遲時間較長,則會導(dǎo)致前饋不及時,系統(tǒng)噴氨無法及時準確地跟隨NOx生成濃度的變化,NOx排放濃度便容易出現(xiàn)瞬時波動。為了滿足環(huán)保考核的要求,電廠往往設(shè)置遠低于NOx排放標準的目標值,既影響經(jīng)濟性又會使氨的逃逸率增加,對機組造成危害[6]。為了解決時延問題,目前主流的方法有2種:一是采取改進控制方式的手段,如建立自適應(yīng)控制器[7]解決系統(tǒng)大滯后的特性,但是系統(tǒng)的控制精度及動態(tài)品質(zhì)難以保證;二是采取軟測量方法,通過構(gòu)建數(shù)學模型,對NOx生成濃度進行預(yù)測,由于軟測量技術(shù)成本低廉和維護方便,因此其在工業(yè)生產(chǎn)過程中得到廣泛應(yīng)用。

得益于機器深度學習的發(fā)展,NOx生成濃度的軟測量技術(shù)也趨于成熟,國內(nèi)外學者相繼提出了不同的軟測量模型,如基于簡化T-S(Takagi-Sgeno)模糊模型的在線辨識方法[8]、最小二乘支持向量機(least squares support vector machine,LS-SVM)NOx預(yù)測模型[9]、基于燃燒火焰圖像深層特征的支持向量機(SVM)預(yù)測模型[10]等。以上模型的出現(xiàn)固然為軟測量技術(shù)的發(fā)展帶來了諸多可能性,但大部分研究均基于穩(wěn)態(tài)工況建模,然而在鍋爐實際運行過程中,工況變化往往是常態(tài),穩(wěn)態(tài)模型在實際生產(chǎn)中很難實現(xiàn)在線應(yīng)用。為解決這一難點,趙征等[11]加入了輔助變量的過去時刻參數(shù)來進行動態(tài)建模,但其只考慮了輔助參數(shù)的延遲時間,僅提升了參數(shù)的工況對應(yīng)準確度,仍然不足以表征鍋爐的整個動態(tài)過程。鍋爐是一個多變量慣性系統(tǒng),如何使鍋爐的動態(tài)特性在軟測量模型的輸入變量中得到有效表征,是對NOx生成濃度進行動態(tài)建模的關(guān)鍵。由于鍋爐動態(tài)運行具有變量關(guān)系復(fù)雜、歷史數(shù)據(jù)量龐大和噪聲嚴重等特點[12],動態(tài)建模下的數(shù)據(jù)結(jié)構(gòu)特征必然為高維耦合,如何選取合適的算法實現(xiàn)大數(shù)據(jù)建模成為NOx生成濃度軟測量技術(shù)的另一難點。李元浩[13]首次提出利用極限梯度樹提升(extreme gradient boosting,XGBoost)對鍋爐運行數(shù)據(jù)進行動態(tài)建模,該算法不僅加入了正則化項防止過擬合,還通過并行提升算法速度,契合樣本數(shù)據(jù)的特征,目前已在多個領(lǐng)域[14-16]得到有效應(yīng)用。

筆者針對一臺660 MW超臨界機組,通過試驗得到CEMS測量的延遲時間及鍋爐關(guān)鍵控制參數(shù)調(diào)整的NOx生成響應(yīng)時間,建立表征鍋爐動態(tài)特性和NOx生成濃度基準的數(shù)據(jù)結(jié)構(gòu),通過正交試驗擴展影響NOx生成濃度的鍋爐調(diào)控設(shè)備的最大調(diào)節(jié)范圍,從而建立適應(yīng)鍋爐動態(tài)運行工況的實時燃燒NOx生成濃度軟測量模型,并應(yīng)用于脫硝系統(tǒng)噴氨優(yōu)化控制。

1 試驗部分

1.1 試驗對象

選用某電廠600 MW超臨界機組作為研究對象,其型號為B&WB-1903/25.40-M。鍋爐為超臨界參數(shù)、螺旋爐膛、一次中間再熱、平衡通風、固態(tài)排渣、全鋼構(gòu)架、露天布置的Ⅱ型鍋爐。鍋爐配有帶循環(huán)泵的內(nèi)置式啟動系統(tǒng),采用中速磨煤機冷一次風機正壓直吹式制粉系統(tǒng),前后墻對沖燃燒方式,配置B&W公司最新研制的DRB-4Z超低NOx雙調(diào)風旋流燃燒器及NOx(即OFA燃盡風)噴口。相關(guān)設(shè)計參數(shù)見表1。

表1 鍋爐主要設(shè)計參數(shù)

1.2 CEMS測量延遲時間

1.2.1 試驗?zāi)康?/p>

結(jié)合煙氣分析儀的使用,分別得到其與CEMS測量的延遲時間及自身的測量延遲時間,從而計算得到CEMS的測量延遲時間,基于此對建模數(shù)據(jù)進行匹配,進而真正意義上實現(xiàn)對SCR入口NOx真實值的預(yù)測,以解決CEMS測量延遲所帶來的前饋不及時的問題。

上述現(xiàn)象產(chǎn)生的原因是：1)鋼材：與室溫下相比，300℃高溫作用后的強度相差不大，彈性模量略有降低；歷經(jīng)600℃高溫后，屈服強度、極限強度和彈性模量明顯降低；2)再生混凝土強度隨受熱溫度的提高而降低，300℃高溫后變化顯著；3)加載初期，鋼管和混凝土共同受力，鋼管屈服強度越低，彈性階段持續(xù)時間越短，鋼管屈服區(qū)域增加，核心混凝土所受約束減弱，荷載逐漸由核心混凝土承擔，一旦鋼管鼓曲嚴重，試件承載力決定于混凝土強度；4)試件S-6出現(xiàn)強化段的原因是鋼管高溫后具有強化特性，還會變軟變韌，使得原方形截面易鼓曲演變成圓形，約束能力增強，承載力提高，所以各試件破壞荷載接近。

1.2.2 試驗過程

具體試驗安排為調(diào)整工況使NOx濃度發(fā)生變化,并在此過程中,使用煙氣分析儀對SCR入口煙氣成分進行連續(xù)測量,得到NOx濃度實測曲線(簡稱實測曲線),將實測曲線與同時段CEMS的NOx濃度測量曲線(簡稱CEMS曲線)進行斯皮爾曼相關(guān)性系數(shù)(Spearman rank-order correlation coefficient,SR)相關(guān)性分析,得到CEMS測量與煙氣分析儀測量之間的延遲時間td1。

由圖4可知,相較穩(wěn)態(tài)模型,動態(tài)模型得到的軟測量結(jié)果對NOx生成質(zhì)量濃度真實值的跟隨性更好。即使數(shù)據(jù)集均已進行了NOx生成質(zhì)量濃度測量延遲時間修正,各穩(wěn)態(tài)模型的軟測量值曲線與真實值曲線相比仍然有一段明顯的滯后時間,且跟隨性較差。動態(tài)模型對延遲時間綜合改善程度最佳的是XGBoost算法,延遲時間僅為10 s,最大相關(guān)度(延遲時間修正后的SR相關(guān)系數(shù))高達0.993,而相同算法下,穩(wěn)態(tài)模型的性能表現(xiàn)均不如動態(tài)模型。除GBDT算法外,其他算法均是動態(tài)模型的最大相關(guān)度最高,即動態(tài)模型的精度更高。

td1、td2之和即為CEMS測量延遲時間td。

td=td1+td2

(1)

1.2.3 SR相關(guān)性分析

采用SR相關(guān)性系數(shù)法[17]對實測曲線和CEMS曲線進行相關(guān)性分析。相關(guān)性系數(shù)ρs的計算公式如式(2)所示。

綜上,共選取87個影響NOx生成質(zhì)量濃度的參數(shù)的當前時刻值作為輸入變量。

考慮到本文的建模具有高維度和大數(shù)據(jù)量的特征,初步篩選認為XGBoost[21]、梯度提升決策樹(gradient boosting decision tree,GBDT)[22]、分布式梯度提升算法(light gradient boosting machine,LightGBM)[23]、隨機森林(random forest,RF)[24]能較好地實現(xiàn)軟測量效果,故選取該4種建模算法進行對比優(yōu)選。XGBoost、GBDT、LightGBM都屬于boosting框架,通過擬合殘差的方式,不斷更迭弱學習器對數(shù)據(jù)集實現(xiàn)高精度的軟測量。RF屬于bagging框架,使用組合多個弱分類器的方式提高模型的泛化性能。

(2)

(3) 表征動態(tài)工況的輸入?yún)?shù)構(gòu)建

di=Xi-Yi

(3)

式中:Xi和Yi分別為2組數(shù)據(jù)按照相同的升降序排列后,第i個數(shù)據(jù)在原始數(shù)據(jù)中的位置。

假定CEMS測量值與煙氣分析儀測量值之間的延遲時間為ts(ts=0,1,2,…,k,k為預(yù)估最大延遲時間),將CEMS曲線前移ts時間,迭代計算得到一系列相關(guān)性系數(shù)值ρs,繪制ρs-ts曲線,曲線峰值對應(yīng)的ts值即為td1。

1.2.4 試驗結(jié)果

煙氣分析儀測量延遲時間共重復(fù)進行了3次試驗,結(jié)果分別為18 s、24 s和22 s,平均測量延遲時間td2為21 s。

由表2可知,CEMS測量延遲時間與機組負荷沒有呈現(xiàn)出顯著的規(guī)律性差異,A、B兩側(cè)的平均CEMS測量延遲時間分別為64 s和51 s。為簡化后續(xù)建模及應(yīng)用,將A、B兩側(cè)的CEMS測量延遲時間取平均值并近似為1 min。

我院門診處方中具有潛在相互作用的氯吡格雷聯(lián)合用藥的調(diào)查分析 ……………………………………… 宋浩靜等（17）：2429

在鍋爐上共進行了30組CEMS測量延遲時間試驗,得到CEMS測量延遲時間td,見表2。

表2 SCR入口NOx濃度CEMS測量延遲時間

近年來，我國在積極加強現(xiàn)代化經(jīng)濟建設(shè)的過程中，不斷加深了對心理資本的研究力度，目前包含包容寬恕、謙虛沉穩(wěn)、尊敬禮讓等在內(nèi)的人際型心理資本和樂觀希望、自信勇敢、奮發(fā)進取等在內(nèi)的事務(wù)型心理資本是我國廣泛認可的心理資本維度。

1.3 NOx生成的響應(yīng)時間

鍋爐的調(diào)控與燃燒是慣性過程,從工況調(diào)整到NOx濃度變化往往有一定的響應(yīng)時間[18]。鍋爐給煤量(負荷)變化和風量調(diào)整等對NOx的生成有顯著影響[19],它們的調(diào)整過程雖然較快(秒級),但進入爐膛后存在混合、燃燒及溫度變化過程,尤其是給煤量變化仍需經(jīng)歷磨煤機的磨制過程,NOx的生成存在一定的響應(yīng)時間,若該響應(yīng)時間較長,則在鍋爐動態(tài)運行過程中不容忽略,故不能用同一時刻的運行數(shù)據(jù)來表征動態(tài)運行狀態(tài)下的NOx生成濃度。為有效表征鍋爐的動態(tài)運行過程,以風煤調(diào)節(jié)的實際NOx生成響應(yīng)時間為基準,在同一時刻數(shù)據(jù)的基礎(chǔ)上,加入過去時刻的關(guān)鍵參數(shù)數(shù)據(jù),用以表征運行NOx生成的風煤變化過程及其幅度。

影響NOx生成的主要因素是氧量和溫度[20],在鍋爐實際運行中,給煤量的變化總是伴隨著風量的變化和氧量的波動,難以獨立界定給煤量變化對NOx生成的影響,因此,將給煤量和風量的調(diào)整合并定義為風煤比(即總風量與給煤量的質(zhì)量比)進行總體性分析。

同樣,采用SR相關(guān)性系數(shù)法來分析風煤比變化時的NOx生成響應(yīng)時間,NOx濃度已根據(jù)測量延遲時間完成修正,以圖1所示的某工況為例,圖中NOx生成質(zhì)量濃度曲線明顯滯后于風煤比的變化。由SR相關(guān)性系數(shù)分析得到圖2所示曲線,由圖2可知延遲時間為150 s,將NOx生成質(zhì)量濃度曲線前移150 s后2條曲線趨勢基本吻合。

圖1 NOx生成質(zhì)量濃度與風煤比的相關(guān)性

圖2 不同前移時間的相關(guān)性系數(shù)

從鍋爐運行歷史數(shù)據(jù)中選取基本均勻分布于32%～100%負荷區(qū)間的共51組NOx生成質(zhì)量濃度存在明顯變化的數(shù)據(jù),分析得到各自的生成響應(yīng)時間,結(jié)果見圖3。由圖3可知,風煤比變化時NOx生成響應(yīng)時間的平均值與中位值均在175 s左右,大部分數(shù)據(jù)處于105～235 s的區(qū)間內(nèi),總體范圍約為1～5 min。

該廠家使用的牧羊公司全套膨化生產(chǎn)線，其配套調(diào)質(zhì)器為新型組合調(diào)質(zhì)器，調(diào)質(zhì)時間為240～360 s，測試產(chǎn)品為烏龜料。在調(diào)質(zhì)膨化工段前后取5組樣，并測試樣品的糊化度進行比較。這5組樣品分別為：調(diào)質(zhì)前（樣品1），調(diào)質(zhì)20 s左右（樣品2），調(diào)質(zhì)170 s左右（樣品3），調(diào)質(zhì)278 s（樣品4），膨化顆粒成品（樣品5）。使用三層組合調(diào)質(zhì)器，可以使物料的淀粉糊化度達到85%以上，成品的淀粉糊化度達到96%以上。新型五軸組合調(diào)質(zhì)器對調(diào)質(zhì)時間的延長，對于膨化沉性料的品質(zhì)提高起到了決定性作用。

圖3 風煤比變化時的NOx生成響應(yīng)時間

2 NOx質(zhì)量濃度軟測量模型構(gòu)建

2.1 數(shù)據(jù)結(jié)構(gòu)構(gòu)建

常規(guī)的NOx生成質(zhì)量濃度軟測量模型通常建立在穩(wěn)定工況基礎(chǔ)上,為了提高軟測量模型的在線實時可用性,亟需充分考慮NOx濃度測量的延遲時間和動態(tài)工況下的NOx生成響應(yīng)時間。軟測量作為1種數(shù)學計算過程,其關(guān)鍵點在于建模數(shù)據(jù)的準確性、全面性和數(shù)據(jù)結(jié)構(gòu)的有效性。

(1) NOx濃度測量的時間修正

根據(jù)CEMS測量延遲時間的試驗結(jié)果,將CEMS所測量的NOx、O2、CO濃度前移1 min。

(2) 當前時刻輸入?yún)?shù)構(gòu)建

當前時刻輸入?yún)?shù)主要選取影響NOx生成質(zhì)量濃度的工況參數(shù)。煤粉細度對燃燒進程及NOx生成有重要影響,而煤粉細度取決于磨煤機的投運及運行狀態(tài),選取6臺磨煤機各自的給煤量、一次風量、出口風粉混合物溫度及分離器擋板開度共24個參數(shù)作為表征。機組的負載狀況同樣影響燃燒整體進程,選取給水流量和供熱流量2個參數(shù)作為機組負載狀況的表征。配風方式與風量大小對NOx生成質(zhì)量濃度有直接影響,選取前后墻各3層共36個燃燒器的中心風門開度、套筒風門開度(其中中心風門采取均等配風方式,每層燃燒器只取1個作為輸入變量,套筒風門采取碗式配風方式,每層燃燒器只取3個作為輸入變量)與前后墻各8個燃盡風噴口的套筒風門開度、中心風門開度及燃盡風量、總風量共58個參數(shù)作為配風方式和風量大小的表征。爐膛火焰的中心位置在一定程度上反映了爐膛的燃燒情況,選取過熱器的減溫水總流量和再熱器的減溫水總流量共2個參數(shù)作為爐膛火焰中心位置的表征。SCR入口處的氧量也是燃燒情況的重要表征之一,而氧量的測量值同樣具有約1 min的延遲時間,故需進行數(shù)據(jù)匹配得到氧量的真實值作為輸入?yún)?shù)。

我科實行PDCA循環(huán)管理后，教學效率相比往年明顯提高。學生通過PDCA模式進行反復(fù)練習，增加了學生學習的主動性。在學習過程中，學生通過發(fā)現(xiàn)問題、查閱資料解決問題。對于部分查閱資料任不能解決的問題，經(jīng)老師的指導(dǎo)學習可留下更加深刻的印象。這種學習模式不僅提高學生的學習效率，也提高了老師的教學效率。學生在實習期間掌握到更多、更牢固的知識。

(3)齒板錨固區(qū)牛腿效應(yīng)明顯，齒板與頂板交界處存在較大拉應(yīng)力，在設(shè)計時宜從構(gòu)造上采取措施減小應(yīng)力集中，并配置足夠的抗拉鋼筋，確保結(jié)構(gòu)不出現(xiàn)裂縫。當齒板錨固區(qū)預(yù)應(yīng)力荷載較大時，建議適當增大齒板尺寸，錨點盡量靠近腹板及頂板，減小附加彎矩。

一直到十點，小龍準備睡了，辛娜來電話了。她解釋說，今天上了老陸的當，說好的晚飯后就結(jié)束聚會，沒想到大家又鬧著去歌廳，歌廳出來又宵夜。辛娜說，人多，沒聽見電話聲，再說，也不好意思拂了大家的興。王樹林說，老陸老陸又是老陸，你用得著死皮賴臉地貼著人家嗎？他的興不好拂，兒子的興就拂得愜意？教育局怎么啦？沒了他我兒子還不上高中了！辛娜不樂意了，說王樹林你他媽的有病吧，老娘今晚就玩定了，不想過早點拉倒！辛娜那邊就掛了電話，嘟嘟的忙音讓王樹林慪得不行。

式中:ρs為斯皮爾曼相關(guān)性系數(shù);n為數(shù)據(jù)的數(shù)量;di為2個數(shù)據(jù)次序的差值。

從業(yè)標準是指對工作人員綜合素質(zhì)的考量，工程管理工作關(guān)系到建設(shè)項目工作人員的安危問題，對工程安全工作非常重要。安全工程管理人員的一個極小的疏忽，就可能會導(dǎo)致巨大的人員傷亡。在學習過程中要結(jié)合國家的從業(yè)標準，在日常學習中，添加國家的從業(yè)標準的知識技能考察。要規(guī)范學生的知識技能掌握，幫助學生建立完善的管理知識體系，更好的適應(yīng)行業(yè)要求，在工作中盡可能的避免安全事故的發(fā)生，為他們從事安全工程管理工作奠定基礎(chǔ)。

NOx的生成主要受風、煤調(diào)整的影響,包括給煤量,磨煤機投運方式、風量及其配置,鍋爐負荷等。NOx的生成還存在約1～5 min的響應(yīng)時間,鑒于響應(yīng)時間較長,NOx的生成具有不容忽略的慣性特征,鍋爐動態(tài)運行狀態(tài)無法根據(jù)穩(wěn)態(tài)工況下的數(shù)據(jù)集進行表征,因此在選擇當前時刻參數(shù)作為輸入變量的同時,將風、煤的過去時刻參數(shù)加入輸入?yún)?shù)中,以表征影響NOx生成的關(guān)鍵變量的變化及其變化幅度,進而表征鍋爐運行的動態(tài)工況。

受磨煤機運行特性的影響,煤調(diào)整的響應(yīng)時間滯后于風的調(diào)整,因此選擇1 min、3 min、5 min前時刻的磨煤機給煤量數(shù)據(jù)對煤的變化進行表征;選擇1 min、2 min前時刻的磨煤機一次風量、總風量和燃盡風量數(shù)據(jù)對風的變化進行表征;選擇1 min、2 min前時刻的給水流量數(shù)據(jù)間接對爐膛溫度的變化進行表征。

(4) NOx生成質(zhì)量濃度基準值的表征

不同鍋爐的NOx生成質(zhì)量濃度的基準值存在一定差異,鍋爐某些設(shè)備的變化(改造、維護等)也會影響NOx生成質(zhì)量濃度。此外,煤種的切換、環(huán)境的變化等都有可能影響NOx的生成質(zhì)量濃度,然而環(huán)境變化屬于緩變過程,煤種切換受漏斗形煤倉流動特性的影響,原煤實際進入磨煤機也為界限不分明的緩變過程。因此,將上述特性綜合融入到NOx生成質(zhì)量濃度基準值中。選擇1 min前的SCR入口NOx質(zhì)量濃度(即CEMS實測的當前SCR入口NOx質(zhì)量濃度)作為輸入變量。此設(shè)計的最大益處在于使軟測量的NOx生成質(zhì)量濃度在數(shù)值上始終保持在真實值基準,提升軟測量模型的可用性。

(5) 輸出參數(shù)

輸出參數(shù)為經(jīng)測量延遲時間修正后的SCR入口NOx質(zhì)量濃度,即1 min后的CEMS測量值。

2.2 建模與優(yōu)化算法

近年來，各行各業(yè)掀起了一股“崗位練兵”熱潮，煤炭行業(yè)也非常重視，各單位紛紛開展了多形式的“練兵”活動。但在崗位練兵活動的實際開展中，并不是所有的人都持贊成態(tài)度，有的人認為：為什么要搞這些活動？現(xiàn)在工作這么辛苦，哪有時間、哪有精力？其實不然，開展崗位練兵活動主要有以下幾方面的意義：能彌補工作中存在的不足。培訓是崗位練兵活動內(nèi)容之一，對員工按照各自崗位的不同，進行不同的學習培訓，有理論的，有實踐的，通過培訓，對員工業(yè)務(wù)素質(zhì)會有很大的提 高，可以發(fā)現(xiàn)自身存在的不足，使員工意識到學習的重要性，并在以后的工作中對發(fā)現(xiàn)的問題及時進行學習、探討和改進，達到“干什么、練什么、缺什么、補什么”的目的。

考慮到所選取建模算法的超參數(shù)均較少,選用在低維空間表現(xiàn)優(yōu)秀的貝葉斯優(yōu)化(Bayesian optimization,BO)算法對其進行優(yōu)化。BO算法是一種使用貝葉斯定理來指導(dǎo)搜索以找到目標函數(shù)極值的方法[25],將已迭代的參數(shù)信息作為先驗,找到下一個評估位置,從而達到減少搜索時間、提升算法效率的目的。

用于補充維生素C——每天50～100mg。我一般一天吃一粒，有時候忘了吃也無所謂，如果口腔潰瘍，我會吃兩粒直到痊愈。

2.3 數(shù)據(jù)集

訓練集為從分布式控制系統(tǒng)(distributed control system,DCS)導(dǎo)出的所需要的歷史運行數(shù)據(jù),時間間隔為1 min。歷史運行數(shù)據(jù)包含了自動發(fā)電控制(automatic generation control,AGC)運行下的全負荷范圍(240～665 MW)工況、正交試驗的穩(wěn)態(tài)工況及其調(diào)節(jié)過程的數(shù)據(jù)。

正交試驗的設(shè)計目的是為了訓練數(shù)據(jù)集能夠盡可能覆蓋全工況,從而實現(xiàn)模型的全工況預(yù)測。在330 MW、500 MW和660 MW 3個負荷段下,分別對燃燒器中心風門配風方式、燃燒器套筒風門配風方式、燃盡風套筒風門配風方式、磨煤機分離器擋板開度、風煤比、燃盡風率和二次風量等參數(shù)進行正交工況設(shè)計,結(jié)果見表3～表6。

表3 正交熱態(tài)試驗工況

表4 燃盡風套筒風門開度

表5 燃燒器套筒風門開度

表6 燃燒器中心風門開度

測試集為從DCS系統(tǒng)中導(dǎo)出的訓練集時間段外的AGC運行下的歷史運行數(shù)據(jù),時間間隔為5 s。

訓練集和測試集的數(shù)據(jù)概況見表7。

表7 數(shù)據(jù)集概況

2.4 評價指標

評價指標采用均方根誤差(RMSE)、平均絕對誤差(MAE)、平均絕對百分比誤差(MAPE)和決定系數(shù)(R2),其計算公式見式(4)～式(7)。

(4)

(5)

(6)

(7)

①入選患者均符合中國2型糖尿病診治指南[2]（2013版）中定義的2型糖尿病診斷標準，空腹血糖（FPG）≥7.0 mmol/L，餐后2 h血糖＞11.1 mmol/L的2型糖尿病患者。②患者表示知情同意，愿意參加本研究。

3 結(jié)果分析與應(yīng)用

3.1 動態(tài)工況的表征效果分析

為同時驗證所提出的動態(tài)工況表征的有效性與不同算法的適用性,分別構(gòu)建有、無動態(tài)工況表征參數(shù)和NOx生成質(zhì)量濃度基準值表征參數(shù)的2種數(shù)據(jù)集,分別簡稱為D1和D2,2種數(shù)據(jù)集均已進行NOx生成質(zhì)量濃度測量延遲時間修正,經(jīng)過D1和D2訓練的模型分別簡稱為動態(tài)模型與穩(wěn)態(tài)模型。采用XGBoost、GBDT、LightGBM和RF算法分別對2種數(shù)據(jù)集進行建模,測試集計算結(jié)果見圖4和表8。

在新生兒養(yǎng)育室出現(xiàn)的爆發(fā)病例，常起因于無癥狀的攜帶產(chǎn)毒株金黃色葡萄球菌的看護員和父母。因此需要嚴格的感染控制措施，包括隔離患者，隔離護理及洗手。篩查程序可鑒別患者與接觸者中的金黃色葡萄球菌攜帶者，包括衛(wèi)生保健人員。攜帶者需外用消毒劑，鼻部攜帶者可通過局部使用抗菌藥物根除。

(a)

表8 不同軟測量模型性能結(jié)果

將煙氣分析儀及其測量管路與NO標氣瓶連接,管路系統(tǒng)及氣體流量與現(xiàn)場試驗一致,打開標氣瓶閥門直至NO濃度基本恒定,得到煙氣分析儀測量系統(tǒng)的測量延遲時間td2。

3.2 不同算法的建模結(jié)果分析

為驗證模型的泛化性能與精度,分別對基于D1、D2數(shù)據(jù)集訓練的XGBoost、GBDT、LightGBM和RF模型的軟測量結(jié)果進行多項誤差指標分析。為作圖方便,將XGBoost簡寫為XGB,將LightGBM簡寫為LGB,結(jié)果如圖5和圖6所示。其中,圖5(f)和圖6(f)中 “>0.5%”表示軟測量值與CEMS測量值之間相對誤差的絕對值>0.5%的數(shù)據(jù)點數(shù)占測試集總數(shù)據(jù)點數(shù)的百分比,“>1%”和“>2%”的解釋類似。

圖5 D1數(shù)據(jù)集不同模型的評價指標

圖6 D2數(shù)據(jù)集不同模型的評價指標

測試集是一段同時包含增減波動的長時數(shù)據(jù)集,綜合圖4和圖5可知,在數(shù)據(jù)集D1訓練下,XGBoost算法模型相較其他模型明顯表現(xiàn)出更佳的軟測量效果,各項誤差指標均達到最小,除在2處曲線急劇變化的位置存在短時偏差以外,其余時刻的軟測量值曲線與NOx真實值曲線幾乎完全一致,軟測量延遲時間由CEMS測量的60 s減至10 s。GBDT與LightGBM算法模型的軟測量延遲時間均為15 s,但各項誤差均較大,模型的精度偏低。RF算法模型雖然也呈現(xiàn)出良好的精度,多項指標接近XGBoost算法模型,但在延遲時間方面的改善效果最差,綜合效果仍然不夠理想。上述分析表明,XGBoost算法模型在D1數(shù)據(jù)集訓練下具有最佳的軟測量精度。

綜合圖5和圖6可知,同一算法下,采用數(shù)據(jù)集D2訓練而成的模型的RMSE、MAE、MAPE均顯著增大,且R2的值均低于0.90,其中RF算法模型的R2更是降至0.72以下,模型的綜合性能較差。上述結(jié)果進一步驗證了加入動態(tài)表征參數(shù)的數(shù)據(jù)集對模型精度改善是有效的。

3.3 軟測量模型的應(yīng)用與效果

根據(jù)對比分析結(jié)果,采用XGBoost算法模型作為SCR入口NOx質(zhì)量濃度軟測量模型,將軟測量模型布置在外部服務(wù)器與DCS系統(tǒng)進行實時數(shù)據(jù)交互,以實現(xiàn)SCR脫硝系統(tǒng)噴氨優(yōu)化。在DCS噴氨控制邏輯上,將軟測量值與CEMS測量值的差值作為SCR噴氨前饋的偏置值,采用偏置值模式一方面減少原噴氨控制邏輯的改動量,另一方面有利于簡化噴氨優(yōu)化系統(tǒng)的啟停模式并保證運行安全性。

噴氨優(yōu)化在660 MW超臨界機組上投入了應(yīng)用,選取投運前后各4天的數(shù)據(jù)集對應(yīng)用效果進行檢驗,時間跨度分別為2021-12-02—2021-12-06與2021-12-09—2021-12-13(間隔的3天為調(diào)試時間),其中采集時間間隔為10 s。圖7和圖8分別為投運前后噴氨質(zhì)量流量曲線。圖9和圖10分別為投運前后的煙囪總排口NOx排放質(zhì)量濃度曲線。

圖7 投運前的噴氨質(zhì)量流量曲線

圖8 投運后的噴氨質(zhì)量流量曲線

圖9 投運前的NOx排放質(zhì)量濃度曲線

圖10 投運后的NOx排放質(zhì)量濃度曲線

結(jié)合圖7和圖8可知,投運后噴氨質(zhì)量流量曲線上的“毛刺”現(xiàn)象顯著減少,流量波動的幅度呈現(xiàn)更為明顯的減小趨勢,表明噴氨閥門的動作更加平穩(wěn)。

結(jié)合圖9和圖10可知,NOx排放質(zhì)量濃度曲線總體變化趨勢與噴氨質(zhì)量流量曲線基本一致。在噴氨優(yōu)化前的4天里NOx排放質(zhì)量濃度波動幅度超過60 mg/m3的情況共有5次,振動幅度最大時接近100 mg/m3。在噴氨優(yōu)化后的4天里,NOx排放質(zhì)量濃度波動幅度均未超過60 mg/m3,較投運前波動幅度顯著降低。值得注意的是,除了大幅的“毛刺”外,小幅波動的幅度更是得到明顯改善,曲線表現(xiàn)為更加“收攏”,表明噴氨優(yōu)化具有明顯效果。

4 結(jié) 論

(1) 脫硝系統(tǒng)CEMS測量延遲時間約為1 min,鍋爐風、煤調(diào)節(jié)時NOx生成的響應(yīng)時間總體范圍約為1～5 min,以此為依據(jù),對CEMS測量的NOx質(zhì)量濃度進行時間修正,并建立了通過前一或多個時刻的運行數(shù)據(jù)來表征鍋爐動態(tài)工況的軟測量模型數(shù)據(jù)結(jié)構(gòu)。

(2) 通過鍋爐燃燒調(diào)整正交試驗,獲得了影響NOx生成質(zhì)量濃度的關(guān)鍵調(diào)控設(shè)備的全可調(diào)范圍運行數(shù)據(jù),結(jié)合常態(tài)AGC動態(tài)工況下的運行數(shù)據(jù),構(gòu)成了更為全面的歷史數(shù)據(jù)。

隨著蒙西電力公司電力營銷體制改革的不斷推進[7]，大營銷大服務(wù)平臺的建設(shè)和發(fā)展也逐步向各下級盟市供電企業(yè)延伸和下探，逐步推進電力營銷由后臺向前臺的轉(zhuǎn)變。同時，各供電企業(yè)也在電力營銷方面進行了諸多改革，以營銷管控系統(tǒng)為平臺，充分發(fā)揮資源和數(shù)據(jù)優(yōu)勢，不斷推陳出新，完善客戶服務(wù)方式，改善供電服務(wù)水平，提高電力企業(yè)的經(jīng)濟效應(yīng)。

(3) 將BO優(yōu)化算法和XGBoost等多種建模算法相結(jié)合,建立了NOx生成質(zhì)量濃度軟測量模型,對比分析得出動態(tài)工況表征的軟測量模型具有理想的跟隨性和準確性,且XGBoost軟測量模型具有更優(yōu)的綜合性能。

(4) 將XGBoost軟測量模型應(yīng)用于某660 MW超臨界機組,投運前后數(shù)天的數(shù)據(jù)對比表明,噴氨質(zhì)量流量曲線和NOx排放質(zhì)量濃度曲線中大幅的“毛刺”現(xiàn)象顯著減少,小幅波動的幅度更是得到明顯改善,曲線更加“收攏”,可以有效提升脫硝系統(tǒng)運行穩(wěn)定性和鍋爐運行安全性。